RAHMAPUTRA, Mumtaz Prima (2021) Perancangan Aplikasi Computer Vision Pendeteksi Pemakaian Helm dan Pelat Nomor Kendaraan dengan Deep Learning. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Mumtaz Prima Rahmaputra-H1A017044-Skripsi-2021.pdf Download (161kB)
	PDF (Legalitas) LEGALITAS-Mumtaz Prima Rahmaputra-H1A017044-Skripsi-2021.pdf Restricted to Repository staff only Download (794kB)
	PDF (Abstrak) ABSTRAK-Mumtaz Prima Rahmaputra-H1A017044-Skripsi-2021.pdf Download (101kB)
	PDF (BabI) BAB-I-Mumtaz Prima Rahmaputra-H1A017044-Skripsi-2021.pdf Restricted to Repository staff only Download (90kB)
	PDF (BabII) BAB-II-Mumtaz Prima Rahmaputra-H1A017044-Skripsi-2021.pdf Restricted to Repository staff only Download (355kB)
	PDF (BabIII) BAB-III-Mumtaz Prima Rahmaputra-H1A017044-Skripsi-2021.pdf Restricted to Repository staff only Download (191kB)
	PDF (BabIV) BAB-IV-Mumtaz Prima Rahmaputra-H1A017044-Skripsi-2021_compressed.pdf Restricted to Repository staff only Download (1MB)
	PDF (BabV) BAB-V-Mumtaz Prima Rahmaputra-H1A017044-Skripsi-2021.pdf Restricted to Repository staff only Download (73kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Mumtaz Prima Rahmaputra-H1A017044-Skripsi-2021.pdf Download (83kB)
	PDF (Lampiran) LAMPIRAN-Mumtaz Prima Rahmaputra-H1A017044-Skripsi-2021.pdf Restricted to Repository staff only Download (470kB)

Abstract

Helm adalah suatu perlengkapan perlindungan yang dikhususkan untuk kepala, kelalaian dalam menggunakan helm adalah kelalaian yang paling sering terjadi dan yang bisa mengakibatkan kerusakan yang fatal. Pelat nomor adalah suatu kode nomor yang ada pada setiap kendaraan untuk Pelat nomor adalah salah satu jenis identifikasi kendaraan bermotor. Pelat nomor memiliki nomor seri atau pelat seri yakni susunan huruf dan angka yang dikhususkan bagi kendaraan tersebut. Nomor ini di Indonesia disebut nomor polisi. Deteksi helm dan Pelat dibangun dengan menggunakan metode You Only Look Once (YOLO). Dengan melakukan pelatihan dan pengujian pada infrastruktur Google Colaboratory. Hasil dari pelatihan model tersebut kemudian disimpan ke dalam bentuk berkas *.weight dan model kemudian diterapkan menggunakan Flask sebagai in-browser application. Pendeteksian Helm dan Pembacaan pelat menggunakan YOLO untuk mendeteksi dan klasifikasi dan menggunakan pytesseract untuk melakukan pembacaan terhadap pelat nomor. Berdasarkan pelatihan, arsitektur YOLO untuk deteksi helm mencapai mAP 96,1% dan loss 0,1538 pada iterasi ke 6000. Pada pengujian, arsitektur YOLO berhasil mendeteksi helm objek tunggal dan objek banyak pada jarak 5 meter dengan F1 0,947 dan 0,819, berhasil mendeteksi helm objek tunggal dan objek banyak pada jarak 10 m F1 0,84 dan 0,757, dan berhasil mendeteksi helm pada video CCTV objek banyak dengan F1 0,802. Pelat nomor hanya dapat dikenali pada jarak deteksi 2 meter dengan F1 0,86. Sedangkan kecepatan deteksi maksimal hanya mencapai 0,48 fps.

Actions (login required)

View Item